文 | BFT機(jī)器人?

麻省理工學(xué)院的研究人員獨(dú)具匠心地應(yīng)用了人工智能來解決倉庫中的機(jī)器人路徑規(guī)劃問題，以此緩解交通擁堵的難題。據(jù)該學(xué)院介紹，他們的團(tuán)隊(duì)開發(fā)了一種深度學(xué)習(xí)模型，其效率比傳統(tǒng)的強(qiáng)隨機(jī)搜索方法高出近四倍，極大地提升了機(jī)器人路徑規(guī)劃的流暢性和效率。

想象一下，一個現(xiàn)代化的自動化倉庫中，數(shù)百個移動機(jī)器人忙碌地往返于各個目的地，它們需要精準(zhǔn)地避開彼此，確保物流運(yùn)作的順暢。規(guī)劃這些機(jī)器人的行動路徑是一項(xiàng)艱巨的任務(wù)，其復(fù)雜性使得即使是最先進(jìn)的尋路算法也感到力不從心，而麻省理工學(xué)院的研究人員卻對此提出了創(chuàng)新的解決方案。

科學(xué)家們精心構(gòu)建了一個深度學(xué)習(xí)模型，這個模型能夠精準(zhǔn)地捕捉倉庫中的各種信息，包括機(jī)器人的位置、預(yù)設(shè)路徑、任務(wù)需求以及障礙物等。模型可以運(yùn)用這些信息來預(yù)測倉庫中最適合機(jī)器人行動的區(qū)域，以此緩解擁堵，提升整體的工作效率。

“我們創(chuàng)新地設(shè)計(jì)了一種新的神經(jīng)網(wǎng)絡(luò)架構(gòu)，它特別適合這些大型復(fù)雜倉庫的實(shí)時操作需求?！甭槭±砉W(xué)院土木與環(huán)境工程系（CEE）的助理教授Cathy Wu如是說。她進(jìn)一步解釋道：“這個模型能夠編碼數(shù)百個機(jī)器人的軌跡、起點(diǎn)、目的地以及它們與其他機(jī)器人的關(guān)系，而且能夠以高效的方式完成這些計(jì)算，甚至在機(jī)器人組之間實(shí)現(xiàn)計(jì)算的重用。”

01

分而治之的路徑規(guī)劃方法

該團(tuán)隊(duì)的深度學(xué)習(xí)模型技術(shù)獨(dú)樹一幟，其核心理念是將倉庫內(nèi)的機(jī)器人進(jìn)行分組管理，通過應(yīng)用先進(jìn)的算法來協(xié)調(diào)這些較小的機(jī)器人群體，模型能夠迅速且有效地緩解倉庫中的交通擁堵問題。相較于傳統(tǒng)的基于搜索的算法，這一方法不僅提高了處理效率，而且更加適應(yīng)復(fù)雜多變的環(huán)境。

傳統(tǒng)的算法通常采用單一的路徑規(guī)劃策略，即當(dāng)一個機(jī)器人遭遇擁堵時，算法會為其重新規(guī)劃軌跡，同時保持其他機(jī)器人按照原定路線行進(jìn)。而隨著機(jī)器人數(shù)量的增加，這種方法的協(xié)調(diào)難度呈指數(shù)級增長，使得整體效率受到嚴(yán)重制約。研究團(tuán)隊(duì)針對這一問題，巧妙地運(yùn)用了機(jī)器學(xué)習(xí)的力量。他們訓(xùn)練模型將注意力集中在最容易出現(xiàn)擁堵的區(qū)域，這些區(qū)域往往也是機(jī)器人總旅行時間最有潛力的改進(jìn)點(diǎn)。

為了實(shí)現(xiàn)這一目標(biāo)，研究人員選擇將倉庫地面劃分為多個小組，每個小組包含一定數(shù)量的機(jī)器人。以一個擁有800個機(jī)器人的大型倉庫為例，模型可以將倉庫地面劃分為20個小組，每個小組包含40個機(jī)器人。隨后，模型利用基于搜索的求解器對每個小組內(nèi)的機(jī)器人軌跡進(jìn)行協(xié)調(diào)，通過預(yù)測和分析，能夠迅速確定哪個小組最有可能通過軌跡調(diào)整來優(yōu)化整體解決方案。

一旦確定了最具潛力的機(jī)器人小組，系統(tǒng)就會迅速應(yīng)用基于搜索的求解器來緩解該小組的擁堵問題。接著模型會轉(zhuǎn)向下一個最有前途的小組，重復(fù)這一優(yōu)化過程。通過這種分組處理的方式，研究團(tuán)隊(duì)成功實(shí)現(xiàn)了倉庫內(nèi)機(jī)器人軌跡的高效協(xié)調(diào)，顯著提高了倉庫的運(yùn)作效率和流暢度。

02

挑選最合適的機(jī)器人作為研究起點(diǎn)

該研究小組驕傲地宣布，他們的神經(jīng)網(wǎng)絡(luò)具有卓越的推理能力，這得益于其精準(zhǔn)捕捉了單個機(jī)器人之間錯綜復(fù)雜的交互關(guān)系。這種獨(dú)特的能力使得神經(jīng)網(wǎng)絡(luò)能夠預(yù)見到，即便兩個機(jī)器人在初始階段相隔甚遠(yuǎn)，它們的行進(jìn)路徑仍有可能在行進(jìn)途中的某個節(jié)點(diǎn)交匯。

系統(tǒng)的另一顯著優(yōu)勢在于其高效的計(jì)算方式，通過一次性編碼約束條件，而非在每個子問題中重復(fù)此過程，系統(tǒng)顯著簡化了計(jì)算流程。舉例來說，在一個包含800個機(jī)器人的倉庫中，當(dāng)需要疏通40個機(jī)器人時，其他方法可能需要對全部800個機(jī)器人進(jìn)行重復(fù)推理，而麻省理工學(xué)院的系統(tǒng)僅需對涉及的所有組進(jìn)行一次推理。

為了驗(yàn)證這項(xiàng)技術(shù)的有效性，研究團(tuán)隊(duì)在多個模擬環(huán)境中進(jìn)行了廣泛測試，包括典型的倉庫環(huán)境、帶有隨機(jī)障礙物的場景，以及模擬建筑內(nèi)部的迷宮式布局。研究人員表示，通過精準(zhǔn)識別并優(yōu)化機(jī)器人群體來緩解擁堵問題，這種基于學(xué)習(xí)的方法比傳統(tǒng)的非學(xué)習(xí)方法快了整整四倍，即使考慮到運(yùn)行神經(jīng)網(wǎng)絡(luò)的額外計(jì)算開銷，其方法仍比傳統(tǒng)方法快出3.5倍。

康奈爾理工學(xué)院的Andrea Lodi教授對麻省理工學(xué)院的研究成果給予了高度評價。他指出：“這項(xiàng)研究采用了一種新穎的架構(gòu)，其中卷積和注意力機(jī)制以高效且有效的方式相互協(xié)作。令人印象深刻的是，這種架構(gòu)能夠綜合考慮構(gòu)建路徑的時間和空間因素，而無需依賴特定問題的特征工程。”他還補(bǔ)充說：“研究結(jié)果非常出色，不僅在解決方案的質(zhì)量和速度上超越了目前最先進(jìn)的大型鄰域搜索方法，而且該模型還具有很好的泛化能力，可以應(yīng)用于未見過的場景?！?/p>

除了簡化倉庫操作外，研究人員還堅(jiān)信，他們的方法在其他復(fù)雜的規(guī)劃任務(wù)中同樣具有廣泛的應(yīng)用前景，如計(jì)算機(jī)芯片設(shè)計(jì)、大型建筑物的管道布線等。

若您對該文章內(nèi)容有任何疑問，請與我們聯(lián)系，我們將及時回應(yīng)。文章來源地址http://www.zghlxwxcb.cn/news/detail-842180.html

到了這里，關(guān)于麻省理工最新開發(fā)AI模型，讓機(jī)器人實(shí)現(xiàn)自主規(guī)劃路線的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！